Bioforsk Rapport Bioforsk Report Vol. 4 Nr. 17 9 Tidlige prognoser for kornavlingene ved bruk av værdata Sluttrapport Audun Korsæth og Trond Rafoss Bioforsk Øst Apelsvoll
Hovedkontor/Head office Frederik A. Dahls vei 2 N-1432 Ås Tel.: (+47) 4 6 41 post@bioforsk.no Bioforsk Øst Apelsvoll Bioforsk Arable Crops Division Apelsvoll 2849 Kapp Tel.: (+47) 4 6 41 audun.korsaeth@bioforsk.no Tittel/Title: Tidlige prognoser for kornavlingene ved bruk av værdata - Sluttrapport Forfatter(e)/Author(s): Audun Korsæth og Trond Rafoss Dato/Date: Tilgjengelighet/Availability: Prosjekt nr./project No.: Saksnr./Archive No.: Februar 9 Åpen 1223 9/183 Rapport nr./report No.: ISBN-nr./ISBN-no: Antall sider/number of pages: Antall vedlegg/number of appendices: 4 (17) 9 978-82-17-471-4 24 2 (21 sider) Oppdragsgiver/Employer: Kontaktperson/Contact person: Norske Felleskjøp Sindre Flø Stikkord/Keywords: bygg, havre, hvete, prognoser, rug barley, oats, prognoses, rye, wheat Fagområde/Field of work: Korn og oljevekster Cereals and oil crops Sammendrag: Tidlige og presise prognoser over norsk kornproduksjon er viktig for en god og effektiv regulering av kornmarkedet. Målet med dette prosjektet har vært å utvikle en ny og objektiv metode for å lage tidlige (per 1. august) prognoser på dekaravlinger (kg korn per daa), ved å kombinere historiske sammenhenger mellom vær og avlinger. De værbaserte prognosene for bygg hadde høyst 1 % avvik fra målingene, og avviket var mindre enn 3 % i 5 og 6. Dermed var metoden bedre enn dagens metode i to av tre år testet. Avviket i havreprognosene overskred ikke 7 % for den nye metoden, og var som bygg bedre enn dagens metode i to av tre år. For rug var avviket på linje med tilsvarende for havre (<7 %), men her var dagens metode noe bedre i 6 og 7. For hvete traff den nye metoden godt i 5 og 6 (<7 %), og bedre enn dagens metode i 5, men marginalt dårligere i 6. Begge metodene overestimerte hveteavlingene kraftig i 7. Summary: Summary (obligatory if open report in English) Land/Country: Fylke/County: Kommune/Municipality: Sted/Lokalitet: Norge Oppland Østre Toten Apeslvoll Godkjent / Approved Prosjektleder / Project leader Ragnar Eltun Audun Korsæth
Forord Dette prosjektet er gjennomført etter oppdrag fra Norske Felleskjøp, og har hatt en varighet på tre år. Prosjektlederen vil gjerne benytte anledningen til å takke forsker Mauritz Aassveen (Bioforsk Øst Apelsvoll) for hjelp til å framskaffe viktige, historiske data fra mange feltforsøk, forsker Unni Abrahamsen (Bioforsk Øst Apelsvoll) for nyttige diskusjoner, og sist, men ikke minst, Sindre Flø og Marte Narvestad (begge ved Norske Felleskjøp) for et positivt og godt samarbeid. Formålet med prosjektet var å bedre de tidlige prognosene over norskprodusert korn. Idéen var å utnytte historiske sammenhenger mellom været i vekstsesongen og avlingsdannelsen samme år. Potensialet for forbedring var todelt. Vi ønsket å redusere avviket mellom prognosene laget i juli/august og den faktiske avlingen. En viktig forbedring lå dessuten i å lage en mer objektiv metode for prognosene enn den eksisterende. Eksisterende metode er i stor grad basert på skjønnsmessige vurderinger, og dermed sårbar overfor personellmessige endringer. I den nye metoden, presentert her, inngår kun målinger og statistiske modeller. Metoden er dermed objektiv og personuavhengig. Prosjektet har vist at det er mulig å forbedre de tidlige prognosene. Avviket mellom prognose og måling var mindre enn ved eksisterende metode for bygg og havre, omtrent det samme for rug, men noe større for hvete. Det er verdt å understreke at tiden arbeider for den nye metoden, da flere år med data gir et enda bedre datagrunnlag for modellene. Sluttproduktet fra den nye prognosemetoden er midlere dekaravling (kg korn per dekar) for hver av kornartene. For å beregne produksjonsvolumet må dekaravlingene for hver kornart multipliseres med de respektive arealene. Estimering av areal var ikke en del av dette prosjektet. Nå er vi imidlertid i gang med et nytt prosjekt: Beregning av kornareal fra historiske data (9-21), som skal ta seg av nettopp arealkomponenten. Det nye prosjektet representerer dermed en naturlig utvidelse av metoden beskrevet i denne rapporten. De gode resultatene av prognosemetoden beskrevet i denne rapporten avhenger av værdata fra jordbruksarealene. Bioforsk sitt nett av automatiske værstasjoner dekker Norges viktigste jord- og hagebruksdistrikt og måleseriene har nå nådd en lengde (2 år) som gjør dem interessante til mange formål. Potensialet for utnytting av denne ressursen går utover det som er oppnådd gjennom dette prosjektet. Nyere studier viser bl.a. en god sammenheng mellom enkelte værvariabler og kornkvalitet (Moldestad m. fl., 9). En framtidig utvidelse av metoden, til også å omfatte enkelte kvalitetsegenskaper, virker meget interessant. I denne sammenheng kan også nevnes et pågående arbeid i regi av Bioforsk Øst Apelsvoll som går på bruk av fjernanalyseteknikker i forhold til kornavling og kornkvalitet. Fjernanalyse, basert blant annet på fly- og satellittbilder, inngår allerede som et supplerende verktøy i enkelte utenlandske prognosesystemer, og åpner for mange mulige bruksområder også under våre forhold. Apelsvoll, februar 9 Audun Korsæth (sign.) - prosjektleder -
Sammendrag Markedsreguleringen av korn i Norge skal bidra til en optimal utnyttelse av norskprodusert korn, og tidlige prognoser over produksjonen er her et sentralt verktøy. Målet med dette prosjektet har vært å utvikle en ny og objektiv metode for å lage tidlige (per 1. august) prognoser på dekaravlinger (kg korn per daa), ved å analysere historiske data og estimere sammenhenger mellom vær og avlinger. Avlingsdata foreligger på kommunenivå (SSB), men nettet av værstasjoner dekker ikke alle kommunene, slik at en gruppering var nødvendig. De viktigste kornkommunene ble gruppert ut fra geografisk beliggenhet i forhold til nærmeste værstasjon med måling av globalstråling. De kommunene som sammenlagt utgjorde mer enn 95 % av kornproduksjonen (middeltall for 1989-4) ble tatt med i utvalget. Til sammen ble det dermed laget 25 grupper, her kalt geografiske enheter, for bygg- og havre, og 14 for rugog hvete. Målinger av nedbør, temperatur, vind, luftfuktighet og globalstråling ble benyttet. I tillegg ble potensiell fordamping og nedbørsoverskudd beregnet. Værdata ble aggregert fra døgnverdier til summer/gjennomsnitt tilsvarende fem fenologiske faser i kornplantenes utvikling, basert på varmesummer. Multippel lineærregresjon (MLR) ble benyttet til å lage en prediksjonsmodell for dekaravling ut fra selekterte værvariabler for hver kombinasjon av geografisk enhet og vekst. Klassiske statistiske kriterier ble lagt til grunn for valget av modell/hvilke værvariabler som ble inkludert i den enkelte modell. Data for perioden 1989-4 ble brukt til å kalibrere modellene, mens data for 5-7 ble brukt til å teste metoden. Prognosene for testårene ble sammenlignet med faktiske data og med prognoser gjort med dagens metode (visuell/skjønnsmessig vurdering i 12 forsøksringer ved Norsk Landbruksrådgiving). De værbaserte prognosene for bygg hadde høyst 1 % avvik fra målingene, og avviket var mindre enn 3 % i 5 og 6. Dermed var metoden bedre enn dagens metode i to av tre år testet. Avviket i havreprognosene overskred ikke 7 % for den nye metoden, og var som bygg bedre enn dagens metode i to av tre år. For rug var avviket på linje med tilsvarende for hvete (<7 %), men her var dagens metode noe bedre i 6 og 7. For hvete traff den nye metoden godt i 5 og 6 (<7 %), og bedre enn dagens metode i 5, men marginalt dårligere i 6. Begge metodene overestimerte hveteavlingene kraftig i 7, men dagens metode ga mindre avvik med +14,4 % mot +17,8 % med den nye metoden. Hvete var den veksten som bød på størst utfordring for den nye metoden. Det var nødvendig å lage modeller for høst- og vårhvete separat (pga. ulik fenologisk utviklingstakt), men avlingsdata forelå som hvete (uspesifisert). Dessuten var det færre år med kalibreringsdata tilgjengelig for hvete enn for de andre kornartene. Lengre tidsserier gir mer robuste modeller, slik at tiden arbeider for den nye metoden. Flere år med data vil bedre grunnlaget for eventuelle framtidige rekalibreringer av modellene. Den nye metoden ga et samlet avvik i beregnet totalvolum (dekarprognose x faktiske arealtall, kumulerte absoluttverdier for årene 5-7) som var 8 19 tonn mindre for bygg og 1 765 tonn mindre for havre, sammenlignet med dagens metode. Det var liten forskjell på metodene for rug (539 tonn i favør av dagens metode), mens den nye metoden ga 1 937 tonn større samlet avvik for hvete. Betrakter man alle kornartene under ett, ville den nye metoden gitt omlag 7 tonn mindre avvik i beregnet totalvolum for de tre årene testet. Audun Korsæth & Trond Rafoss. Bioforsk Rapport vol. 4 nr. 17 9 2
Innhold Forord... 1 Sammendrag... 2 Innhold... 3 1. Bakgrunn... 4 2. Prosjektmål... 5 3. Material og metode... 6 3.1 Valg av geografisk enhet... 6 3.2 Areal og avlingsdata... 9 3.2.1 Kommunesammenslåinger... 9 3.2.2 Arealkorrigering... 9 3.2.3 Sammenslåing av rug og rughvete... 9 3.2.4 Estimering av andelen høst- og vårhvete av total hveteavling... 9 3.2.5 Høstkorn og overvintringsindeks... 1 3.3 Værdata... 11 3.3.1 Værdata og fenologisk utvikling av kornplantene... 11 3.3.2 Temperaturrelatert overgang mellom fenologiske faser... 12 3.4 Dataanalyse... 12 3.4.1 Forklaringsvariabler... 12 3.4.2 Modelltilpasning og seleksjon... 12 3.4.3 Beregning av midlere dekaravlinger... 13 3.4.4 Beregning av totale produksjonsvolum... 13 3.4.5 Sammenligningsdata... 14 4. Resultater og diskusjon... 15 4.1 Bygg... 15 4.2 Havre... 16 4.3 Rug... 17 4.4 Hvete... 18 4.5 Samlet avvik... 2 5. Konklusjoner... 21 Litteratur... 22 Vedlegg... 23
1. Bakgrunn Tidlige og presise prognoser over norsk kornproduksjon er viktig for en god og effektiv regulering av kornmarkedet. I dag baseres de tidlige prognosene på en vurdering av avlingsnivået i slutten av juli for hver av kornartene i 12 utvalgte forsøksringer (Norsk Landbruksrådgivning), som til sammen dekker de viktigste kornområdene. Denne vurderingen gjøres ut fra visuelle betraktninger og skjønn. Vurderingene integrerer mye erfaring og lokal kunnskap (om f.eks. såtid, vær, etc.), men er samtidig av subjektiv art. Et system basert på dagens tilnærming vil ha en høy sårbarhet gjennom dets avhengighet av nøkkelpersonell. Systemets pålitelighet må derfor forventes å variere over tid. En annen svakhet ligger i selve vurderingen. Det kan være meget vanskelig, selv for et trenet øye, å registrere avlingsforskjeller helt opp til 15 kg korn/daa (2-25 %) i en normalt bra åker. En bedring av de tidlige avlingsprognosene vil gi grunnlag for riktigere bruk av råvarer gjennom sesongen, gunstigere innkjøp av supplerende råvarer og økt bruk av norsk korn. Dette vil i første rekke være økonomisk gunstig for kornprodusentene og for den kornbaserte industrien, men en bedre utnytting av norskproduserte råvarer er også ønskelig ut fra et samfunnsøkonomisk perspektiv. Audun Korsæth & Trond Rafoss. Bioforsk Rapport vol. 4 nr. 17 9 4
2. Prosjektmål Målet med dette prosjektet er å bidra til en optimalisert markedsregulering og utnyttelse av norskprodusert korn gjennom presise, tidlige avlingsprognoser. Det skal lages prognoser for dekaravlinger (kg korn per daa) for alle kornartene per 1. august ved å estimere historiske sammenhenger mellom vær og avling for å kunne predikere avling basert på været i inneværende vekstsesong.
3. Material og metode 3.1 Valg av geografisk enhet Historiske data for avlinger og areal er tilgjengelig på kommunenivå. Det ble valgt å utelate data fra fylkene Finnmark, Troms, Nordland, Sogn og Fjordane, Vest- og Aust-Agder på grunn av svært små mengder levert korn i disse fylkene. Kommunene i de resterende fylker ble deretter sortert etter gjennomsnittlig produksjon (1989-4) for hver kornart. De kommunene som til sammen sto for mindre enn 5 % av den totale middelproduksjonen (for hver kornart) ble ekskludert. De utvalgte kommunene ble deretter gruppert i 25 geografiske enheter for bygg og havre (Tabell 1, Fig. 1) og 14 for rug og hvete (Tabell 1, Fig. 2), basert på kommunenes plassering i forhold til nærmeste værstasjon med målinger av globalstråling. Der flere aktuelle værstasjoner kunne være aktuelle, ble det i tillegg gjort en vurdering av lokale værforhold, ved hjelp av ringledere i de enkelte regionene. For hver geografiske enhet ble det plukket ut et gårdsbruk som var mest mulig representativt med hensyn til såtid, og som hadde systematisk registrering av sådato også bakover i tid. Første sådato for vårkorn på disse brukene ble brukt som starttidspunkt for kornets utvikling i de respektive geografiske enhetene. Audun Korsæth & Trond Rafoss. Bioforsk Rapport vol. 4 nr. 17 9 6
Tabell 1. Geografiske enheter med værstasjon og tilhørende kommuner GE a Værstasjon År b Kommuner Hvete Rug c 1 Skogmo 1991 Overhalla, Grong 2 Mære 1991 Snåsa, Steinkjer, Inderøy, Verdal 3 Kvithamar 199 Levanger, Frosta, Stjørdal, Malvik, Selbu 4 Rissa 1993 Rissa, Ørland 5 Skjetlein 1991 Trondheim, Melhus, Skaun, Orkdal, Meldal 6 Surnadal 1993 Surnadal 7 Alvdal 1993 Rendalen, Stor-Elvdal 8 Faavang 1993 Sel, Nord-Fron, Sør-Fron 9 Gausdal 1993 Gausdal, Lillehammer 1 Apelsvoll 1989 Gjøvik, Vestre Toten, Østre Toten X 11 Kise 1989 Ringsaker X 12 Ilseng 1991 Hamar, Løten, Stange X 13 Roverud 1991 Åmot, Elverum, Våler, Åsnes, Grue, Nord-Odal, Sør-Odal, X Kongsvinger, Eidskog 14 Gran 1992 Søndre Land, Gran, Jevnaker, Lunner X 15 Udnes d 1991 Eidsvoll, Nannestad, Ullensaker, Nes, Nittedal, Gjerdrum, X Skedsmo, Sørum, Fet 16 Hønefoss 1992 Ringerike, Hole X 17 Lier 1992 Sigdal, Modum, Lier, Bærum, Øvre Eiker, Nedre Eiker, Kongsberg X 18 Sande 199 Drammen, Røyken, Hof, Sande, Hurum, Holmestrand X 19 Ås 1992 Frogn, Ås, Ski, Enebakk, Vestby, Hobøl, Spydeberg, Askim, X Trøgstad, Våler, Skiptvet 2 Rakkestad 1991 Aurskog-Høland, Eidsberg, Marker, Rygge, Råde, Sarpsborg, X Rakkestad, Fredrikstad, Halden, Aremark 21 Bø 1992 Bø, Sauherad, Nome X 22 Gjerpen 1995 Skien 23 Ramnes 1992 Lardal, Re, Horten, Andebu, Stokke, Tønsberg X 24 Tjølling 199 Larvik, Sandefjord X 25 Særheim 199 Sola, Klepp, Time, Hå a Geografisk enhet. b Startår for værstasjon og følgelig startår for kalibreringsdata for bygg og havremodellene. På grunn av mangelfulle data ble tilsvarende startår tidligst 1991 for rug og 1994 for høst- og vårhvete. c For hvete og rug sto til sammen 14 enheter for ca. 95 % av produksjonen, her markert med X. Det ble følgelig ikke laget prognosemodeller for de øvrige GE for hvete og rug. d Det viste seg at værstasjonen på Udnes var blitt flyttet, noe som ga inkonsistente data. Værdata fra stasjonen på Roverud (GE13) ble derfor benyttet gjennomgående for GE15 i stedet.
Figur 1. De kommunene som til sammen sto for 95 % av bygg- og havreproduksjonen i perioden 199-4 ble gruppert i 25 geografiske enheter sentrert rundt hver sin værstasjon Figur 2. De kommunene som til sammen sto for 95 % av rug- og hveteproduksjonen i perioden 199-4 ble gruppert i 14 geografiske enheter sentrert rundt hver sin værstasjon Audun Korsæth & Trond Rafoss. Bioforsk Rapport vol. 4 nr. 17 9 8
3.2 Areal og avlingsdata Areal- og avlingsdata ble levert fra SSB på kommunenivå tilbake til 1989. Data fra før 1989 ble utelatt da de ble vurdert som relativt usikre, og fordi gode værdata i stor grad mangler før dette året. 3.2.1 Kommunesammenslåinger Noen kommunesammenslåinger etter 1989 har gjort at data måtte justeres. Dette ble gjort ved å slå sammen areal- og avlingstallene for de sammenslåtte kommunene tilbake til 1989. I databasen brukt i dette prosjektet foreligger dermed areal- og avlingstallene med en oppløsning på kommunenivå på linje med kommuneinndelingen slik den har vært siden 4. Følgende sammenslåinger er tatt hensyn til: Hamar + Vang = Hamar (1992) Skjeberg + Varteig + Tune = Sarpsborg (1992) Borge + Rolvsøy + Kråkerøy + Onsøy = Fredrikstad (1994) Våle + Ramnes = Re (2) 3.2.2 Arealkorrigering Arealtallene er korrekte fra og med 1999. For årene 1989-1998 er arealtallene basert på tilskuddsmaterialet som er oppgitt på kommunenivå. For disse årene har SSB beregnet et tillegg per fylke med utgangspunkt i Utvalgstelling for landbruket. Alle arealtall er derfor justert opp med "fylkesprosenttillegget (estimerte arealer med kornproduksjon uten arealtilskudd). Tillegget er oppgitt i prosent av arealtilskuddsarealet. Arealtallene i databasen fra før 1999 er derfor korrigert med fylkesprosenttillegget. 3.2.3 Sammenslåing av rug og rughvete Omfanget av rughvetedyrking har vært veldig lite, og det foreligger avlingsdata bare for perioden 1998-1. Det ble derfor valgt å slå sammen rug og rughvetedata i den videre behandlingen, for enkelthets skyld kalt rug i denne rapporten. 3.2.4 Estimering av andelen høst- og vårhvete av total hveteavling Arealdata på hvete ble ikke gruppert i høst- og vårhvete før i 1994, og data fra tidligere år ble derfor utelatt. Avlingsdata blir imidlertid fortsatt ikke registrert for høst- og vårhvete hver for seg. For å kunne beregne dekaravlingene separat, ble andelen høst- og vårhvete av total hveteavling estimert. Dette ble gjort ved hjelp av data fra Bioforsk sine sortsforsøk. I felt med både høst- og vårhvete ble den relative avlingen av hver fraksjon (kun de viktigste markedssortene tatt med hvert år) beregnet i forhold til samlet middelavling (begge fraksjoner sett under ett). Metoden forutsetter at avlingsforholdet mellom høst- og vårhvete er det samme i forsøksfeltet som i regionen forøvrig. Data ble gruppert i Sør-Østlandet og Nord-Østlandet (Tabell 2).
Tabell 2. Relativ avling av høst- og vårhvete (viktigste markedssorter) i forhold til samlet middelavling (høsthvete + vårhvete) i Bioforsk sine sortsforsøk År Sør-Østlandet Nord-Østlandet Høsthvete Vårhvete Høsthvete Vårhvete 1994 1.81.919 1.178.822 1995 1.12.88 1.139.861 1996 1.54.946 1.15.985 1997 1.127.873 1.18.982 1998 1.19.891 1.3.97 1999 1.43.957 1.69.931 1.177.823 1..9 1.958 1.42.861 1.139 2 1.116.884 1.128.872 3 1.211.789 1.59.941 4 1.269.731.97 1.3 5 1.88.912.981 1.19 6 1.183.817 1.183.817 7 1.253.747 1.152.848 3.2.5 Høstkorn og overvintringsindeks Enkelte år er utgangen av høstkorn gjennom vinteren så stor at dette påvirker avlingsnivået i betydelig grad. Prosessene som regulerer overvintring i høstkorn er imidlertid meget komplekse, og vi valgte derfor å utelate en estimering av vinterperioden (ut fra værdata) i dette prosjektet. I stedet tok vi utgangspunkt i observerte overvintringsrater i Bioforsk sine høstkornforsøk. Siden det var mest regionsvise data tilgjengelig for rug, ble observasjonene i rug benyttet som grunnlag for å beregne en GEspesifikk overvintringsindeks (OI) for både rug og høsthvete (Tabell 3). Overvintringsindeksen ble satt som et heltall i intervallet -1, der OI = tilsvarte ingen overvintring og OI = 1 tilsvarte en overvintringsprosent om våren i forsøksfeltet på 91-. I GE med manglende observasjoner på overvintring ble data fra nærmeste felt benyttet. Kun år med mer enn 3 % overvintring (OI > 3) ble tatt med i beregningene, da en dårligere overvintring normalt vil utløse nyetablering med vårkorn. Tabell 3. Overvintringsindeks (OI a ) for rug og høsthvete for hver geografisk enhet (GE) År GE1 GE11 GE12 GE13 GE14 GE15 GE16 GE17 GE18 GE19 GE2 GE21 GE23 GE25 1991 1 6 1 1 1 1992 9 1 6 1993 1 1 8 1 1 1 9 1 1 1994 1 1 1 1 7 5 1995 1 1 1 1 1 8 1 9 9 1996 6 9 1 8 8 8 7 1 8 8 1997 8 1 1 9 7 9 9 1 7 1 1 1 1998 1 1 1 1 1 1 1 1 1 1 1 1 1999 1 1 1 1 1 9 1 1 1 1 9 1 1 1 9 1 8 8 1 1 1 1 1 1 1 1 5 5 1 1 1 8 8 1 1 1 1 1 1 2 9 9 1 1 1 1 1 1 3 8 8 8 8 9 7 8 8 9 8 9 9 9 9 4 1 1 1 1 1 1 7 7 1 1 1 1 1 1 5 1 1 1 1 1 1 1 1 1 9 1 1 1 1 6 1 4 4 8 9 8 9 9 8 8 9 8 8 8 7 1 1 1 1 1 1 1 1 1 1 1 1 1 1 a OI = betyr ingen overvintring (utgang av feltforsøk med rug), OI = 1 betyr 1-1 % observert overvintring i feltforsøk, OI = 2 betyr 11-2 %, osv. Audun Korsæth & Trond Rafoss. Bioforsk Rapport vol. 4 nr. 17 9 1
3.3 Værdata Værdata på døgnbasis ble hentet fra Bioforsk sitt nett av værstasjoner (Tabell 1). Dette er automatiske målestasjoner som drives under prosjektet Landbruksmeteorologisk tjeneste. Stasjonenes plassering i Norges viktigste jord- og hagebruksdistrikt, og deres instrumentering for måling av landbruksmeteorologiske elementer utgjør et enestående datagrunnlag i landbrukssammenheng. Uten dette datagrunnlaget ville det ikke vært mulig å beregne modeller for tidlig prognose av kornavling. Målestasjonene organisert av Meteorologisk institutt dekker landbruksarealene i liten grad, og har heller ikke den ideelle instrumentering for landbruksformål. Landbruksmeteorologisk tjeneste i Bioforsk utvikler for tiden samarbeidet med Meteorologisk institutt, og det er nå avtalt muligheter for å utvide instituttets målestasjoner med landbruksmeteorologiske elementer. Værdata i form av døgnverdier for globalstråling, nedbør, lufttemperatur, vind, og luftfuktighet ble benyttet. I tillegg ble det laget en rutine for beregning av døgnverdier for potensiell fordamping etter metoden foreslått av Riley (1989). Figur 3. Værstasjonen på Ås. 3.3.1 Værdata og fenologisk utvikling av kornplantene Kornplantenes vekstforhold er hele tiden påvirket av de til en hver tid rådende værforhold. Men værforholdene over en viss periode vil normalt påvirke veksten mer en været det enkelte døgn. I tillegg vil de enkelte værfaktorene virke ulikt inn på kornplantene i forskjellige faser av plantenes utvikling. Derfor ble vekstsesongen delt inn i fem perioder, der hver periode representerer en fenologisk fase av kornplantens utvikling: Fase 1: Såing (Z) - spiring (Z9) Fase 2: Begynnende bladutvikling (Z1) - endt busking (Z29) Fase 3: Begynnende strekning (Z3) - endt skyting (Z59) Fase 4: Begynnende blomstring (Z6) - gulmodning (Z87) Fase 5: Gulmodent korn (Z88) - Tresking (Z9) Værdata ble summert (nedbør og fordamping) eller midlet (øvrige værvariabler) innenfor hver av disse periodene. Siden prognosene gis per 1. august, vil kornet normalt ikke nå fase 5. Slutten på fase 4 ble satt til 31. juli. For rug og høsthvete ble ikke fase 1 beregnet. Start av fase 2 for disse vekstene ble satt til første dato om våren med 5 sammenhengende, forutgående døgn med >5 C i døgnmiddeltemperatur.
3.3.2 Temperaturrelatert overgang mellom fenologiske faser Dato for når en fase slutter og den neste begynner (faseskift) varierer med kornart og region og endrer seg fra år til år. Kornplantenes utviklingshastighet har imidlertid vist seg å ha god sammenheng med lufttemperaturen, og kornets fenologiske utvikling ble derfor relatert til akkumulert varmesum (her definert som summen av døgnmiddeltemperaturer C) etter dato for såing (Tabell 4). Valget av faseskift ble basert på en tidligere rapport (Rafoss og de Wit, 2), og ut fra en gjennomgang av observerte faseskift og korresponderende temperaturdata i Bioforsk sine sortsforsøk for perioden 199-5. Tabell 4. Faseskift (kumulative døgngrader fra sådato) benyttet for geografiske enheter sør (Sør) og nord (Nord) for Dovre Art Fase 1-2 Fase 2-3 Fase 3-4 Fase 4-5 Sør Nord Sør Nord Sør Nord Sør Nord Bygg 94 94 293 293 747 746 1328 1287 Havre 96 96 294 32 746 813 1438 1438 Rug a b 144 432 1577 Høsthvete a b 322 718 156 Vårhvete a 94 293 766 153 a Ingen GE nord for Dovre for rug, høst- og vårhvete, jfr. Tabell 1. b Fase 1 ikke beregnet, start av fase 2 ble satt til den første dato om våren det har vært 5 forutgående døgn (sammenhengende) der alle har hatt over 5 C i middeltemperatur. 3.4 Dataanalyse Data til og med 4 ble benyttet til å tilpasse (kalibrere) multiple lineære regresjonsmodeller, med dekaravling som avhengig variabel. Softwarepakken MATLAB (R 6b, the MathWorks Inc.) ble benyttet til utvikling av modellene og den etterfølgende analysen. 3.4.1 Forklaringsvariabler Mulige forklaringsvariabler i modellene var de målte værvariablene (globalstråling, nedbør, temperatur, vind og luftfuktighet), samt beregnet potensiell fordamping og nedbørsunderskudd/overskudd (sistnevnte beregnet som nedbør minus fordamping) for hver fenologiske fase. I tillegg ble varigheten (antall dager) av hver fenologisk fase tatt med. For å fange opp eventuell teknisk trend (bedring i avlingsnivået over tid som et resultat av eksempelvis bedre sorter, bedret agronomisk praksis, etc.), ble år også tatt med som en mulig forklaringsvariabel. Totalt var det dermed 33 mulige forklaringsvariabler tilgjengelig for bygg- havre- og vårhvetemodellene (år og 4 faser x 8 faserelaterte variabler). For høstkornet var ikke fase 1 med, mens vinterindeks inngikk som en ekstra variabel. Til sammen var det dermed 26 mulige forklaringsvariabler i rug- og høsthvetemodellene (år, vinterindeks og 3 faser x 8 faserelaterte variabler). 3.4.2 Modelltilpasning og seleksjon For å finne den modellen som best kunne beskrive de observerte avlingene (tom. 4) for hver GE og kornart ble det først kjørt et stort antall stegvise regresjoner (>), slik at hver forklaringsvariabel ble tatt inn som første variabel i modellen én gang, og slik at alle modellene ble kjørt for en rekke -verdier i intervallet,1-,2 ( er øvre p-verdi for om en variabel skal tas inn/ekskluderes fra en stegvis regresjonsmodell). Den etterfølgende modellseleksjonen fulgte en trinnvis prosess: Audun Korsæth & Trond Rafoss. Bioforsk Rapport vol. 4 nr. 17 9 12
1. Modeller med mer enn én variabel fra fase 1 ble ekskludert for ikke å gi været under spiring uforholdsmessig stor vekt. 2. Gjenværende modeller etter trinn 1, med flere variabler med i modellen enn det som tilsvarte en tredjedel av antall år med kalibreringsdata (antall år/3), ble ekskludert for å unngå overtilpasning. 3. Gjenværende modeller etter trinn 2, med enkeltvariabler i modellen som hadde en p-verdi (ut fra en partiell F-test) på mer enn,1, ble ekskludert for å unngå modeller med ikke-signifikante variabler. 4. Gjenværende modeller etter trinn 3, med sterk sammenheng mellom enkelte av variablene (her definert som variabler med Variation Inflation Factor (VIF) > 1), ble ekskludert i tråd med statistisk praksis. 5. Av de gjenværende modellene etter trinn 4, ble den modellen valgt som hadde høyest prediktiv R 2 (beregnet ut fra en kryssvalidering etter leave-one-outmetoden). I noen få tilfeller var det ingen modeller som fylte alle kriteriene i trinn 1-4. Da ble antall variabler tillatt fra fase 1 (trinn 1) økt fra en til to og/eller maksimalt antall variabler med i modellen økt med én. Av og til kan det skje at kornet ikke når fase 4 innen 31. juli (for enkelte GE). Modeller som har variabler med fra fase 4 kan dermed ikke benyttes. For å ta høyde for slike forhold ble det laget et ekstra sett med modeller for alle kombinasjoner av GE og kornart. Framgangsmåten var som skissert over, men i dette settet ble variabler fra fase 4 ekskludert som mulige forklaringsvariabler i modellene. For hver kornart ble det dermed laget to sett av modeller (to modeller for hver GE). 3.4.3 Beregning av midlere dekaravlinger Når en prognose ble laget, ble værdata for det aktuelle året hentet inn, mens alle modellparametrene forble uendret i hver av de utvalgte modellene. Hvis fase 4 manglet for en kornart i en GE (ikke nådd innen 31. august), ble modellen som var basert på fasene 1-3 automatisk valgt i stedet. For å gi en prognose for en kornart på nasjonalt nivå, ble alle modellene for denne kornarten kjørt, slik at en fikk estimert dekaravlingen for hver av de 25 (14) geografiske enhetene. Siden arealet varierte stort mellom de ulike GE, ble dekaravlingene arealvektet før en midlere dekaravling ble kalkulert. For vektingen ble arealet av den aktuelle kornarten innen hver GE i året før prognoseåret benyttet. Året før prognoseåret ble valgt som grunnlag for vektingen, siden dette er informasjon som vanligvis ikke foreligger i selve prognoseåret på det tidspunktet prognosen skal lages. Endringene i arealbruken mellom år innen hver GE er normalt så små (i forhold til de relative forskjellene i areal mellom enhetene), at en kan anta at dette ikke påvirker resultatene nevneverdig. 3.4.4 Beregning av totale produksjonsvolum Dette prosjektet er avgrenset til å gi prognoser på dekaravlinger og ikke på totale produksjonsvolum. Det er imidlertid de endelige beregningene på totale produksjonsvolum som markedet etterspør. For å evaluere effekten av dekaravlingsprognosene på de totale produksjonsvolumene, ble sistnevnte beregnet ved å multiplisere de midlere dekaravlingene med korresponderende, faktiske areal (daa). Det er imidlertid viktig å understreke at de beregnede produksjonsvolumene, slik de presenteres her, dermed inneholder én usikker komponent (beregnet dekaravling) og én sikker komponent (faktisk areal), mens de virkelige prognosene på totale produksjonsvolum er basert på produktet av to usikre komponenter (beregnet dekaravling x beregnet areal).
3.4.5 Sammenligningsdata Det ble laget prognoser (dekaravlinger) for alle kornartene for 5, 6 og 7, basert på modellene som ble tilpasset data tom. 4. Prognosene laget med metoden beskrevet her (ny) ble sammenlignet med faktiske dekaravlinger, og med prognosene laget med dagens metode (dagens) i samme tidsrom. Faktiske dekaravlinger ble kalkulert ut fra rapporterte produksjonsvolum (Statistikk korn og oljefrø 7, SLF; Markedstiltak) og kornarealer (SLF; Landbruksproduksjon; Søknader om produksjonstilskudd). Prognoser for dekaravlinger laget med dagens metode er oppgitt på fylkesnivå for Nord-Trøndelag, Sør-Trøndelag, Oppland, Hedmark, Buskerud, Telemark, Akershus, Østfold og Vestfold. Disse prognosene ble arealveid (faktiske areal) og midlet. Totale produksjonsvolum basert på dagens prognosemetode ble beregnet på samme måte som tilsvarende basert på ny metode, beskrevet i kap. 3.4.4. Audun Korsæth & Trond Rafoss. Bioforsk Rapport vol. 4 nr. 17 9 14
4. Resultater og diskusjon 4.1 Bygg De målte dekaravlingene for bygg endret seg veldig lite i perioden 5-7. Avviket i byggprognosene (ny metode) overskred ikke 1 % i noen av årene, og var mindre enn 3 % i 5 og 6 (Fig. 4). Metoden overestimerte dekaravlingene alle tre årene, uten at dette alene gir grunn til å anta at det kan skyldes en systematisk feil. Slik beregningene nå gjøres, blir det antatt at midlere dekaravling på arealer som ikke er inkludert i de 25 geografiske enhetene (ca 5 % av arealet) er det samme som tilsvarende innenfor. Det er ingen ting som tyder på at en gjør store feil ved en slik antagelse. Hvis avlingsnivået utenfor bare skulle oppnå 8 % av avlingsnivået innenfor, ville dette innebåret at prognosen skulle justeres ned med 1 %. Prognosene laget med dagens metode traff meget godt i 5, men resulterte i større avvik enn den nye metoden de to påfølgende årene. Begge metodene hadde størst avvik i 7. I 7 var det en generell oppfatning av at vårkornet hadde meget gode forhold i første del av vekstsesongen (på Østlandet), men at siste del av sesongen ikke var bra nok til at det tilsynelatende høye avlingspotensialet ble oppnådd (Alm m.fl., 8). Begge metodene ser altså ut til å ha fanget opp den gode starten på sesongen. Det bør understrekes at en prognose kan være riktig på det tidspunktet den blir gjort, men at avvik likevel kan oppstå hvis forholdene etter prognosetidspunktet endrer seg vesentlig. Det vi betrakter som fasit i disse sammenligningene er målt mange uker etter prognosetidspunktet. Bygg Middelavling (kg/daa) 45 35 25 15 5 11.8% 2.5% 2.2% 1.% -.5% -4.4% 5 6 7 Faktisk Dagens Ny Figur 4. Målte dekaravlinger for bygg (Faktisk) og korresponderende prognoser beregnet med dagens metode (Dagens) og med den nye metoden basert på værdata (Ny). Avvik i prosent av faktisk dekaravling er vist over søylene. Modellen som ble valgt for den geografiske enheten sentrert rundt værstasjonen på Roverud (GE13) hadde kun med en værvariabel (globalstråling i fase 1, se Fig. V-3, Vedlegg 2). Selv om modellen tilfredsstiller de valgte statistiske kriteriene, kan det fra et agronomisk synspunkt virke lite sannsynlig at den valgte variabelen har så stor innflytelse
på avlingsdannelsen. Siden målsettingen i dette prosjektet har vært å lage en mest mulig objektiv metode, har vi valgt å ikke gå inn og gjøre slike typer vurderinger av modellene. En eventuell framtidig rekalibrering av modellene basert på flere år med data, vil imidlertid kunne gi en modell som er mer i samsvar med vår agronomiske kunnskap. Avviket i byggprognosene (ny metode) ville tilsvart et avvik på 12-49 tonn (Fig. 5), ved bruk av faktiske arealtall (ikke arealprognoser). Tilsvarende avvik var på 3-83 tonn for dagens metode. Ser vi bort fra 7, som nok må betraktes som et problematisk år for tidlige kornprognoser, ville avviket i byggprognosene basert på ny metode tilsvart et avvik på mindre enn 15 tonn bygg årlig (forutsatt at arealet var korrekt). Avvik volum (tusen tonn) 7 6 5 4 3 2 1-1 -2-3 Bygg Dagens Ny 5 6 7 Figur 5. Avvik mellom faktisk totalvolum og totalvolum beregnet ut fra faktisk areal og prognosert dekaravling med hhv. dagens metode (Dagens) og ny metode (Ny). 4.2 Havre Avviket i havreprognosene (ny metode) overskred ikke 7 % (Fig. 6), og havre var sammen med rug den veksten som prognosene traff best. I 5 traff prognosen så og si blink for havre (avvik:,24 kg/daa). Havre Middelavling (kg/daa) 45 35 25 15 5 8.% 1.6% 6.5%.1% 1.2% 3.8% 5 6 7 Faktisk Dagens Ny Figur 6. Målte dekaravlinger for havre (Faktisk) og korresponderende prognoser beregnet med dagens metode (Dagens) og med den nye metoden basert på værdata (Ny). Avvik i prosent av faktisk dekaravling er vist over søylene. Audun Korsæth & Trond Rafoss. Bioforsk Rapport vol. 4 nr. 17 9 16
Den nye prognosen var bedre enn dagens metode i 5 og 7. Generelt sett traff begge metodene meget bra i 5 og 6, da ingen avvik var større enn 4 %. Den noe større overestimeringen i 7 (begge metoder) kan skyldes samme forhold som for bygg; at vekstsesongens avslutning var for dårlig til å utnytte det relativt høye avlingspotensialet for vårkorn dette året. Omregnet til produksjonsvolum (faktiske arealtall) tilsvarte prognosefeilen 17-18 tonn for den nye metoden (Fig. 7). Tilsvarende tall for dagens metode var 3-22 tonn. Havre Dagens Ny Avvik volum (tusen tonn) 25 2 15 1 5 5 6 7 Figur 7. Avvik mellom faktisk totalvolum og totalvolum beregnet ut fra faktisk areal og prognosert dekaravling med hhv. dagens metode (Dagens) og ny metode (Ny). 4.3 Rug De værbaserte rugprognosene bommet mindre enn 7 % i hvert av de tre testårene (Fig. 8). Det var også tilfellet for prognosene basert på dagens metode. Sistnevnte prognoser traff imidlertid de målte rugavlingene bedre i 6 og 7. Rug Middelavling (kg/daa) 6 5 6.9% -4.3% 6.5% 3.1% 5.1% -6.5% Faktisk Dagens Ny 5 6 7 Figur 8. Målte dekaravlinger for rug (Faktisk) og korresponderende prognoser beregnet med dagens metode (Dagens) og med den nye metoden basert på værdata (Ny). Avvik i prosent av faktisk dekaravling er vist over søylene.
Rugprognosen (ny metode) var lavere enn de målte rugavlingene i 7 (Fig. 8), i motsetning til bygg- og havreprognosene som overestimerte avlingene dette året (Fig. 4 og Fig. 6). Dette kan skyldes at den generelle forverringen av vekstforholdene utpå sommeren kom for sent til å påvirke rugavlingene i nevneverdig grad. Den visuelt baserte prognosen (dagens metode) overestimerte imidlertid avlingene også for rug i 7, men i mindre grad enn for vårkornet. Avviket i rugprognosene (ny metode) ville tilsvart et avvik på 1 5-2 6 tonn (Fig. 9), ved bruk av faktiske arealtall (ikke arealprognoser). Tilsvarende avvik var på 8-2 tonn for dagens metode. Rug Dagens Ny Avvik volum (tusen tonn) 3. 2. 1.. -1. -2. -3. 5 6 7 Figur 9. Avvik mellom faktisk totalvolum og totalvolum beregnet ut fra faktisk areal og prognosert dekaravling med hhv. dagens metode (Dagens) og ny metode (Ny). 4.4 Hvete Prognosene laget med den nye metoden traff målt hveteavling meget godt i 6, underestimerte avlingene noe (-7 %) i 5 og overestimerte avlingene kraftig (+18 %) i 7 (Fig. 1). Prognosene laget med dagens metode traff så vidt bedre i 5, men var vesentlig dårligere i 6. Begge metodene hadde størst avvik i 7, der den nye metoden bommet mest. Hvorfor var avvikene så store i 7? Noe av det samme fenomenet som antas å ha hatt betydning for bygg- og havreprognosene (mindre gunstig vekstforhold etter prognosetidspunktet) kan også ha påvirket hveteprognosene. Høsthveten var sannsynligvis mindre påvirket av dette, slik det kan virke som om rugen var, men vårhvete utgjorde nesten 6 % av det totale hvetearealet i 7. Tildels sterke soppangrep på høsthveten utover i sesongen (Alm m.fl., 8) kan også ha bidratt til at hveteavlingene ikke svarte til forventningene. Noe av avviket kan naturligvis også ligge i selve prognosemetodikken. Hvete var den veksten som bød på de største utfordringene for den værbaserte metoden. For det første var datagrunnlaget dårlig. Faktiske dekaravlinger for høst- og vårhvete forelå ikke, men måtte beregnes gjennom en estimert fordeling av hvetevolumet mellom de to fraksjonene (se kap. 3.2.4). Eventuelle avvik mellom beregnede og faktiske dekaravlinger for høst- og vårhvete i perioden 1994-4 innebærer at modellene for disse vekstene kan ha blitt kalibrert mot feil data. For det andre var tidsrekkene for hvetedata kortere enn for de andre vekstene. Siden arealdata først ble spesifisert for høst- og vårhvete i 1994, hadde Audun Korsæth & Trond Rafoss. Bioforsk Rapport vol. 4 nr. 17 9 18
ingen av de geografiske enhetene kalibreringsdata for mer enn 11 år (1994-4). Dette var absolutt i minste laget. I Sverige, der de også lager de første kornprognosene med basis i værdata, benyttes data helt tilbake til 1965 (Grönvall, 4). Men, som tidligere nevnt, vil tiden arbeide for den nye metoden, ettersom flere år med data vil bedre grunnlaget for eventuelle framtidige nykalibreringer av modellene. Hvete Middelavling (kg/daa) 6 5-5.2% -6.6% 6.% 1.2% 14.4% 17.8% Faktisk Dagens Ny 5 6 7 Figur 1. Målte dekaravlinger for hvete (Faktisk) og korresponderende prognoser beregnet med dagens metode (Dagens) og med den nye metoden basert på værdata (Ny). Avvik i prosent av faktisk dekaravling er vist over søylene. Avviket i hveteprognosene (ny metode) ville tilsvart et avvik på 4-71 tonn (Fig. 11), ved bruk av faktiske arealtall (ikke arealprognoser). Tilsvarende avvik var på 21-58 tonn for dagens metode. Hvete Dagens Ny Avvik volum (tusen tonn) 8 7 6 5 4 3 2 1-1 -2-3 5 6 7 Figur 11. Avvik mellom faktisk totalvolum og totalvolum beregnet ut fra faktisk areal og prognosert dekaravling med hhv. dagens metode (Dagens) og med ny metode (Ny).
4.5 Samlet avvik De to metodene for å lage arealprognoser ble avslutningsvis sammenlignet ved å kumulere absolutt avvik i beregnet totalvolum (faktiske arealtall) over alle tre testårene (Fig. 12). Samlet avvik for metodene lå på ca. 8 tonn for bygg, i underkant av 3 tonn for havre, ca. 5 tonn for rug og ca. tonn for hvete. Ser man på differansen mellom de to metodene, hadde den nye metoden mindre samlet avvik for bygg og havre, med henholdsvis 8 19 og 1 765 tonn. Det var liten forskjell på metodene for rug (539 tonn i favør av dagens metode), mens den nye metoden hadde 1 937 tonn større samlet avvik for hvete. Betrakter man alle kornartene under ett, ville den nye metoden gitt omlag 7 tonn mindre avvik i beregnet totalvolum for de tre årene testet. Bygg Havre Rug Ny Dagens Hvete 2 4 6 8 Kumulert absolutt avvik 5-7 (tonn) Figur 12. Kumulert avvik (absoluttverdier) mellom faktisk totalvolum og totalvolum beregnet ut fra faktisk areal og prognosert dekaravling med hhv. dagens metode (Dagens) og med ny metode (Ny) for perioden 5-7 Audun Korsæth & Trond Rafoss. Bioforsk Rapport vol. 4 nr. 17 9 2
5. Konklusjoner Den nye, værbaserte metoden gir bedre prognoser på dekaravlingene for bygg og havre per 1. august enn dagens metode. Rugavlingene kan prognoseres like bra med den nye metoden som med dagens metode. Dagens metode gir noe bedre hveteprognoser enn den nye metoden, som har et stort forbedringspotensial når antall kalibreringsår økes
Litteratur Alm, H., Bergjord, A.K. og Strand, E. 8. Vær og vekst 7. Bioforsk FOKUS 3(2): 9-12. Grönvall, J. 1994. Skördeprognos för spannmål och oljeväxter 4. Rapport fra Jordbruksverket (JO 29 SM 41). Moldestad, A., Uhlen, A.K., Færgestad, E.M. og Hoel, B. 9. Kvalitetsvariasjoner i mathvete årsaker og tiltak. Bioforsk FOKUS 4(2): 14-141. Rafoss, T. og de Wit, H. 2. Grunnlag for verdsetting av innmark. NIJOS/Planteforskrapport 3/2. 47 s. Riley, H., 1989. Irrigation of cereals, potato, carrot and onion on a loam soil at various levels of moisture deficit. Norwegian Journal of Agricultural Sciences, 3 (2): 117-145. Audun Korsæth & Trond Rafoss. Bioforsk Rapport vol. 4 nr. 17 9 22
Vedlegg Vedlegg 1. Forklaring av figurene i vedlegget Vedlegg 2. Figurer som viser alle målte data og tilhørende kalibreringsdata, prognoser og modellinformasjon
Vedlegg 1 Alle figurene i vedlegg 2 er bygd opp på samme måte. Tekst i øvre og nedre del av delfigurene er forklart i Tabell V-1. Til høyre i hver av delfigurene er en kolonne som viser hvilke variabler som var med i den enkelte modell. Forklaring på variabelforkortelsene er gitt i Tabell V-2. Tabell V-1. Forklaring av tekst brukt i figurene V-1 til V-19 Tekst Forklaring Vekst1 Bygg Vekst2 Havre Vekst3 Rug Vekst4 Vårhvete Vekst5 Høsthvete Geografisk enhet nr. Se Tabell 1 for spesifisering av GE og tilhørende kommuner Arealandel 7 (%) Arealet av aktuell GE i forhold til arealet av alle GE i 7 MaxErr Maksimalt avvik (kg/daa) for kalibreringsårene (KÅ) Maxrelerr (%) Maksimalt avvik i prosent av målt avling (for KÅ) RMSE Root Mean Square Error (for KÅ) Rsq R 2 : coefficient of determination (for KÅ) Rsq(adj) Justert R 2 (justert for antall variabler i modellen) (for KÅ) Rsq(pred) Predikert R 2 (ut fra en kryssvalidering; leave-one-out) (for KÅ) max pvar Største p-verdi for enkeltvariabel i valgt modell max VIF Største VIF (varians inflasjons faktor) mellom variabler i valgt modell Tabell V-2. Forklaring av forkortelser på variabelnavn vist i figurene V-1 til V-19 Variabel Forklaring Enhet Variabel Forklaring Enhet Aar År 1/1 Fase_d3 Varighet F 3 d Fase_d1 Varighet Fase (F) 1 d Temp3 Midlere lufttemperatur F 3 C Temp1 Midlere lufttemperatur F 1 C Nedb3 Sum nedbør F 3 mm Nedb1 Sum nedbør F 1 mm Sol_MJ3 Midlere globalstråling F 3 MJ Sol_MJ1 Midlere globalstråling F 1 MJ Vind3 Midlere vindhastighet F 3 m/s Vind1 Midlere vindhastighet F 1 m/s Luftfukt3 Midlere luftfuktighet F 3 % Luftfukt1 Midlere luftfuktighet F 1 % ETA_R3 Potensiell fordamping F 3 mm ETA_R1 Potensiell fordamping F 1 mm Nedb_ETA3 Nedbørsunderskudd F 3 mm Nedb_ETA1 Nedbørsunderskudd F 1 mm Fase_d4 Varighet F 4 d Fase_d2 Varighet F 2 d Temp4 Midlere lufttemperatur F 4 C Temp2 Midlere lufttemperatur F 2 C Nedb4 Sum nedbør F 4 mm Nedb2 Sum nedbør F 2 mm Sol_MJ4 Midlere globalstråling F 4 MJ Sol_MJ2 Midlere globalstråling F 2 MJ Vind4 Midlere vindhastighet F 4 m/s Vind2 Midlere vindhastighet F 2 m/s Luftfukt4 Midlere luftfuktighet F 4 % Luftfukt2 Midlere luftfuktighet F 2 % ETA_R4 Potensiell fordamping F 4 mm ETA_R2 Potensiell fordamping F 2 mm Nedb_ETA4 Nedbørsunderskudd F 4 mm Nedb_ETA2 Nedbørsunderskudd F 2 mm Vinterindex Overvintringsindeks 1/1 Audun Korsæth & Trond Rafoss. Bioforsk Rapport vol. 4 nr. 17 9 24
Vedlegg 2 5 Vekst1 Geografisk enhet nr. 1 Arealandel 7 (%) 1.6186 Aar Sol2 Nedb3 Sol3 59.59 35.236 32.842.81581.73395.5769.8192 1.1166 Vekst1 Geografisk enhet nr. 2 Arealandel 7 (%) 11.4 Aar Luftfukt1 Luftfukt4 45.17 19.221 26.72.8972.74629.653.2374 1.789 Vekst1 Geografisk enhet nr. 3 Arealandel 7 (%) 9.3188 Aar Fase1 Temp4 Luftfukt4 23.255 7.2773 14.837.92745.89843.84368.3683 1.7659 Vekst1 Geografisk enhet nr. 4 Arealandel 7 (%) 2.622 Nedb1 Luftfukt2 Nedb-ETA3 71.174 16.675 31.94.85633.8245.77869.8378 1.336 Vekst1 Geografisk enhet nr. 5 Arealandel 7 (%) 6.983 Aar Fase2 Vind3 Nedb4 35.19 12.987 18.286.92322.8891.8499.45981 1.5393 199 1992 1994 1996 1998 2 4 6 8 Figur V-1. Bygg; geografisk enhet (GE) 1-5. Målte kalibreringsdata (åpne, røde sirkler) med tilhørende dekaravlinger estimert med kalibrert modell (blå linje), målte dekaravlinger i testårene (fylte, røde sirkler) og tilhørende prognoser (blå stjerner). For detaljert forklaring se tabell V-1.
Vekst1 Geografisk enhet nr. 6 Arealandel 7 (%).51657 Luftfukt1 Temp2 Sol3 Luftfukt3 19.927 9.5861 17.312.9469.968.81279.26184 1.5527 Vekst1 Geografisk enhet nr. 7 Arealandel 7 (%).62982 Luftfukt2 Vind3 47.114 29.17 29.622.84777.81395.66625.16524 1.15 Vekst1 Geografisk enhet nr. 8 Arealandel 7 (%).92546 Luftfukt2 Nedb-ETA3 Temp4 Sol4 14.593 4.1882 9.4264.94854.91914.86845.2533 1.3868 Vekst1 Geografisk enhet nr. 9 Arealandel 7 (%).44216 Luftfukt2 Fase4 48.442 16.594 35.165.59615.564.14746.91 1.367 Vekst1 Geografisk enhet nr. 1 Arealandel 7 (%) 6.4827 Temp1 Fase2 Nedb-ETA3 Temp4 56.646 17.74 27.91.72664.62724.46243.94234 1.8632 199 1992 1994 1996 1998 2 4 6 8 Figur V-2. Bygg; geografisk enhet (GE) 6-1. Målte kalibreringsdata (åpne, røde sirkler) med tilhørende dekaravlinger estimert med kalibrert modell (blå linje), målte dekaravlinger i testårene (fylte, røde sirkler) og tilhørende prognoser (blå stjerner). For detaljert forklaring se tabell V-1. Audun Korsæth & Trond Rafoss. Bioforsk Rapport vol. 4 nr. 17 9 26
5 Vekst1 Geografisk enhet nr. 11 Arealandel 7 (%) 3.643 5 5 Vind1 Nedb3 Vind3 Vind4 28.355 8.4152 14.45.91849.88885.86813.7648 2.718 Vekst1 Geografisk enhet nr. 12 Arealandel 7 (%) 6.162 Nedb-ETA1 ETA3 Temp4 Nedb4 Vind4 27.224 6.7871 18.48.91213.85721.75537.54996 1.3448 Vekst1 Geografisk enhet nr. 13 Arealandel 7 (%) 1.7411 61.616 2.124 26.227.5534.51287.362.23854 Vekst1 Geografisk enhet nr. 14 Arealandel 7 (%) 3.2859 17.597 5.2131 12.699.95494.93241.89347.33375 1.2226 Vekst1 Geografisk enhet nr. 15 Arealandel 7 (%) 1.2425 Sol1 ETA1 Luftfukt2 Nedb4 Vind4 Aar ETA2 Sol3 Temp4 Vind4 25.997 8.2 13.532.9522.91911.8686.6158 1.1774 199 1992 1994 1996 1998 2 4 6 8 Figur V-3. Bygg; geografisk enhet (GE) 11-15. Målte kalibreringsdata (åpne, røde sirkler) med tilhørende dekaravlinger estimert med kalibrert modell (blå linje), målte dekaravlinger i testårene (fylte, røde sirkler) og tilhørende prognoser (blå stjerner). For detaljert forklaring se tabell V-1.
5 5 Vekst1 Geografisk enhet nr. 16 Arealandel 7 (%) 2.1477 Nedb-ETA1 Temp2 Vind2 Vind4 43.442 13.793 17.317.9351.9252.88972.26626 1.4822 Vekst1 Geografisk enhet nr. 17 Arealandel 7 (%) 3.232 Luftfukt1 Vind2 Fase4 Vind4 19.175 7.138 13.929.96347.9452.8229.3629 1.716 Vekst1 Geografisk enhet nr. 18 Arealandel 7 (%) 1.6159 5 ETA1 Fase2 Temp3 Luftfukt4 Nedb-ETA4 57.619 16.897 25.494.91743.87156.79513.91476 3.2452 Vekst1 Geografisk enhet nr. 19 Arealandel 7 (%) 4.9124 Nedb-ETA1 Sol2 Vind3 Nedb-ETA4 45.898 15.97 33.694.8178.7267.4598.58597 1.7249 Vekst1 Geografisk enhet nr. 2 Arealandel 7 (%) 6.7688 Temp1 ETA1 Temp3 Nedb3 41.241 11.875 25.885.81338.78.52499.33954 1.6744 199 1992 1994 1996 1998 2 4 6 8 Figur V-4. Bygg; geografisk enhet (GE) 16-2. Målte kalibreringsdata (åpne, røde sirkler) med tilhørende dekaravlinger estimert med kalibrert modell (blå linje), målte dekaravlinger i testårene (fylte, røde sirkler) og tilhørende prognoser (blå stjerner). For detaljert forklaring se tabell V-1. Audun Korsæth & Trond Rafoss. Bioforsk Rapport vol. 4 nr. 17 9 28
5 5 5 Vekst1 Geografisk enhet nr. 21 Arealandel 7 (%) 1.2118 ETA1 Luftfukt2 Temp3 46.895 12.42 26.751.85471.8628.74868.13967 1.365 Vekst1 Geografisk enhet nr. 22 Arealandel 7 (%).5835 Vind1 ETA1 Fase2 Nedb4 Luftfukt4 12.136 3.4338 11.5.98147.9583.9124.11418 3.5815 Vekst1 Geografisk enhet nr. 23 Arealandel 7 (%) 2.7138 Temp3 Nedb3 Luftfukt3 Sol4 61.99 14.146 33.714.84546.76819.39452.4514 1.7192 Vekst1 Geografisk enhet nr. 24 Arealandel 7 (%) 1.25 Nedb-ETA1 Vind2 Nedb3 Luftfukt3 53.339 11.384 3.972.7285.61927.3441.8181 1.6342 Vekst1 Geografisk enhet nr. 25 Arealandel 7 (%) 1.8411 Luftfukt1 Nedb-ETA2 Temp3 ETA3 Nedb-ETA4 39.39 9.2237 28.17.8548.69741.51771.45319 1.3478 199 1992 1994 1996 1998 2 4 6 8 Figur V-5. Bygg; geografisk enhet (GE) 21-25. Målte kalibreringsdata (åpne, røde sirkler) med tilhørende dekaravlinger estimert med kalibrert modell (blå linje), målte dekaravlinger i testårene (fylte, røde sirkler) og tilhørende prognoser (blå stjerner). For detaljert forklaring se tabell V-1.
Vekst2 Geografisk enhet nr. 1 Arealandel 7 (%).17989 Nedb1 Vind2 Sol4 Vind4 Luftfukt4 51.582 18.989 21.49.93127.88831.86474.669 1.857 Vekst2 Geografisk enhet nr. 2 Arealandel 7 (%).74816 Nedb-ETA2 ETA4 6.462 2.12 31.54.55287.47157.35829.49199 1.552 Vekst2 Geografisk enhet nr. 3 Arealandel 7 (%) 1.4326 Aar Nedb1 Nedb2 42.226 17.153 21.971.7159.63842.46989.9671 1.1998 Vekst2 Geografisk enhet nr. 4 Arealandel 7 (%).9162 Sol1 Sol3 Vind3 ETA3 19.388 5.6884 1.346.98354.97413.95479.11337 6.5395 Vekst2 Geografisk enhet nr. 5 Arealandel 7 (%) 1.5496 Vind1 Temp2 Sol3 Fase4 Vind4 17.18 6.7928 13.177.96487.94291.89534.8295 1.7455 199 1992 1994 1996 1998 2 4 6 8 Figur V-6. Havre; geografisk enhet (GE) 1-5. Målte kalibreringsdata (åpne, røde sirkler) med tilhørende dekaravlinger estimert med kalibrert modell (blå linje), målte dekaravlinger i testårene (fylte, røde sirkler) og tilhørende prognoser (blå stjerner). For detaljert forklaring se tabell V-1. Audun Korsæth & Trond Rafoss. Bioforsk Rapport vol. 4 nr. 17 9 3
5 Vekst2 Geografisk enhet nr. 6 Arealandel 7 (%).4465 Vind1 Temp2 ETA3 Nedb-ETA4 51.723 13.36 28.646.94992.9213.88211.12279 1.3349 Vekst2 Geografisk enhet nr. 7 Arealandel 7 (%).27878 7 6 5 7 6 5 5 Luftfukt1 Nedb-ETA2 Vind3 Luftfukt4 42.232 18.84 28.57.9211.87588.82123.11975 1.4126 Vekst2 Geografisk enhet nr. 8 Arealandel 7 (%).52822 Fase1 Luftfukt2 Fase4 Luftfukt4 5.4 16.885 4.45.92535.8827.7591.72215 1.522 Vekst2 Geografisk enhet nr. 9 Arealandel 7 (%).1594 Luftfukt1 Luftfukt2 Vind3 Luftfukt3 34.599 8.2174 18.13.9393.8494.77177.18136 3.192 Vekst2 Geografisk enhet nr. 1 Arealandel 7 (%) 1.1365 Aar Fase1 Nedb2 Nedb-ETA3 Fase4 32.273 8.871 23.432.91159.86739.76924.1893 1.6764 199 1992 1994 1996 1998 2 4 6 8 Figur V-7. Havre; geografisk enhet (GE) 6-1. Målte kalibreringsdata (åpne, røde sirkler) med tilhørende dekaravlinger estimert med kalibrert modell (blå linje), målte dekaravlinger i testårene (fylte, røde sirkler) og tilhørende prognoser (blå stjerner). For detaljert forklaring se tabell V-1.
5 5 5 Vekst2 Geografisk enhet nr. 11 Arealandel 7 (%).62168 Aar Vind1 Sol2 Luftfukt3 47.47 11.487 25.1.8854.84324.74344.35327 1.5629 Vekst2 Geografisk enhet nr. 12 Arealandel 7 (%) 1.112 Nedb1 Luftfukt2 Nedb-ETA2 Luftfukt3 Temp4 35.411 8.324 23.21.9579.8469.7369.4138 5.1243 Vekst2 Geografisk enhet nr. 13 Arealandel 7 (%) 22.5842 Fase1 Vind1 Sol3 Vind3 ETA3 23.353 5.457 14.219.87428.7957.7994.51474 2.6355 Vekst2 Geografisk enhet nr. 14 Arealandel 7 (%) 1.4861 5 Aar Fase4 Sol4 Vind4 17.888 5.4417 13.284.97375.9662.89857.3911 3.3985 Vekst2 Geografisk enhet nr. 15 Arealandel 7 (%) 21.3188 Luftfukt1 Temp3 Nedb3 ETA3 ETA4 21.296 5.4856 15.959.96272.93942.8667.12256 1.6575 199 1992 1994 1996 1998 2 4 6 8 Figur V-8. Havre; geografisk enhet (GE) 11-15. Målte kalibreringsdata (åpne, røde sirkler) med tilhørende dekaravlinger estimert med kalibrert modell (blå linje), målte dekaravlinger i testårene (fylte, røde sirkler) og tilhørende prognoser (blå stjerner). For detaljert forklaring se tabell V-1. Audun Korsæth & Trond Rafoss. Bioforsk Rapport vol. 4 nr. 17 9 32
5 5 5 Vekst2 Geografisk enhet nr. 16 Arealandel 7 (%) 2.4543 Aar ETA1 Vind3 Luftfukt4 22.742 5.5179 16.19.96419.94629.9991.24827 1.417 Vekst2 Geografisk enhet nr. 17 Arealandel 7 (%) 5.57 Aar Vind1 Vind2 Fase4 23.993 7.54 17.294.96121.94182.89782.89296 2.341 Vekst2 Geografisk enhet nr. 18 Arealandel 7 (%) 2.3578 5 Temp2 ETA2 Temp3 Sol3 Vind4 37.415 8.58 23.658.93585.922.79464.25161 1.2335 Vekst2 Geografisk enhet nr. 19 Arealandel 7 (%) 11.786 Fase2 Vind3 Sol4 Luftfukt4 44.463 1.293 3.848.9439.85658.6836.39561 1.2522 Vekst2 Geografisk enhet nr. 2 Arealandel 7 (%) 18.3181 Temp1 ETA1 ETA2 Temp3 15.876 3.7829 11.317.95887.93831.88114.16636 1.5518 199 1992 1994 1996 1998 2 4 6 8 Figur V-9. Havre; geografisk enhet (GE) 16-2. Målte kalibreringsdata (åpne, røde sirkler) med tilhørende dekaravlinger estimert med kalibrert modell (blå linje), målte dekaravlinger i testårene (fylte, røde sirkler) og tilhørende prognoser (blå stjerner). For detaljert forklaring se tabell V-1.
5 Vekst2 Geografisk enhet nr. 21 Arealandel 7 (%) 2.435 Nedb-ETA1 Sol2 Vind4 47.965 11.898 21.777.92494.89992.88488.9466 1.43 Vekst2 Geografisk enhet nr. 22 Arealandel 7 (%).34114 Aar Sol1 ETA1 Sol3 16.575 4.3748 1.88.97566.95619.9398.67223 3.1337 Vekst2 Geografisk enhet nr. 23 Arealandel 7 (%) 3.3198 5 5 Sol1 Luftfukt2 Sol3 Nedb-ETA3 ETA4 1.677 4.191 8.9417.9919.98553.9645.55986 1.7491 Vekst2 Geografisk enhet nr. 24 Arealandel 7 (%) 1.6655 Vind2 Fase3 Luftfukt3 ETA3 6.243 13.626 31.458.83425.76794.5945.88978 2.797 Vekst2 Geografisk enhet nr. 25 Arealandel 7 (%).12369 ETA2 Nedb-ETA2 Temp3 Sol3 Nedb4 32.927 7.9569 18.454.96421.94433.92346.7134 3.1361 199 1992 1994 1996 1998 2 4 6 8 Figur V-1. Havre; geografisk enhet (GE) 21-25. Målte kalibreringsdata (åpne, røde sirkler) med tilhørende dekaravlinger estimert med kalibrert modell (blå linje), målte dekaravlinger i testårene (fylte, røde sirkler) og tilhørende prognoser (blå stjerner). For detaljert forklaring se tabell V-1. Audun Korsæth & Trond Rafoss. Bioforsk Rapport vol. 4 nr. 17 9 34
5 7 6 5 7 6 5 Vekst3 Geografisk enhet nr. 1 Arealandel 7 (%) 1.2677 Vind2 Nedb4 129.93 133.8 81.143.79188.73242.5816.1494 3.1877 Vekst3 Geografisk enhet nr. 11 Arealandel 7 (%) 1.5843 Fase2 Vind2 Temp4 48.31 12.386 43.956.9392.9273.73979.45441 1.3594 Vekst3 Geografisk enhet nr. 12 Arealandel 7 (%) 4.7818 Sol2 ETA2 Fase4 5.15 8.772 44.88.93843.89226.76279.36 6.795 Vekst3 Geografisk enhet nr. 13 Arealandel 7 (%) 5.2684 Sol2 Sol4 15.339 4.7714 15.39.99422.98844.96464.2761 1.56 Vekst3 Geografisk enhet nr. 14 Arealandel 7 (%) 1.2993 Luftfukt2 Luftfukt3 Fase4 ETA4 34.489 13.374 29.686.95219.9232.79171.28464 4.66 199 1992 1994 1996 1998 2 4 6 8 Figur V-11. Rug; geografisk enhet (GE) 1-14. Målte kalibreringsdata (åpne, røde sirkler) med tilhørende dekaravlinger estimert med kalibrert modell (blå linje), målte dekaravlinger i testårene (fylte, røde sirkler) og tilhørende prognoser (blå stjerner). For detaljert forklaring se tabell V-1.
6 5 6 5 5 Vekst3 Geografisk enhet nr. 15 Arealandel 7 (%) 13.7876 Sol2 ETA2 Vind4 126.4 21.456 61.613.712.5716.34718.98646 3.7554 Vekst3 Geografisk enhet nr. 16 Arealandel 7 (%) 2.4272 Nedb2 Nedb4 Vind4 58.561 2.9 41.135.83498.73597.38482.81952 2.1123 Vekst3 Geografisk enhet nr. 17 Arealandel 7 (%) 4.9641 6 5 Aar Nedb-ETA2 Fase3 Nedb-ETA3 Nedb4 33.339 1.98 23.457.9793.94479.88294.67673 2.3495 Vekst3 Geografisk enhet nr. 18 Arealandel 7 (%) 1.8968 Sol3 Nedb4 75.845 21.917 44.978.88613.84818.79859.2395 1.266 Vekst3 Geografisk enhet nr. 19 Arealandel 7 (%) 7.446 Temp3 Vind3 Nedb4 V interindex 37.682 13.859 23.254.96641.9442.92126.31286 1.11 199 1992 1994 1996 1998 2 4 6 8 Figur V-12. Rug; geografisk enhet (GE) 15-19. Målte kalibreringsdata (åpne, røde sirkler) med tilhørende dekaravlinger estimert med kalibrert modell (blå linje), målte dekaravlinger i testårene (fylte, røde sirkler) og tilhørende prognoser (blå stjerner). For detaljert forklaring se tabell V-1. Audun Korsæth & Trond Rafoss. Bioforsk Rapport vol. 4 nr. 17 9 36
7 6 5 5 6 5 6 5 Vekst3 Geografisk enhet nr. 2 Arealandel 7 (%) 28.6758 Aar Sol2 Luftfukt2 Nedb4 Vinterindex 95.358 18.854 49.91.87727.857.55388.4844 2.3645 Vekst3 Geografisk enhet nr. 21 Arealandel 7 (%) 1.7488 Nedb-ETA2 Luftfukt3 Vinterindex 65.477 18.84 34.745.9448.9477.86613.29183 1.487 Vekst3 Geografisk enhet nr. 23 Arealandel 7 (%) 16.7329 Temp2 Vind2 Temp3 Vinterindex 22.8 4.6923 13.146.9958.9852.97553.6815 1.5765 Vekst3 Geografisk enhet nr. 24 Arealandel 7 (%) 8.526 ETA2 Luftfukt4 Vinterindex 56.99 9.9956 33.88.89282.85263.6973.23714 1.89 199 1992 1994 1996 1998 2 4 6 8 Figur V-13. Rug; geografisk enhet (GE) 2-24. Målte kalibreringsdata (åpne, røde sirkler) med tilhørende dekaravlinger estimert med kalibrert modell (blå linje), målte dekaravlinger i testårene (fylte, røde sirkler) og tilhørende prognoser (blå stjerner). For detaljert forklaring se tabell V-1.
6 5 6 5 7 6 5 6 5 6 5 Vekst4 Geografisk enhet nr. 1 Arealandel 7 (%) 2.9373 Aar Vind3 Nedb4 ETA4 31.86 6.6732 17.52.96117.93529.91343.8426 2.833 Vekst4 Geografisk enhet nr. 11 Arealandel 7 (%) 6.5895 Sol4 Vind4 ETA4 77.611 14.265 34.422.85698.79568.74351.37687 5.26 Vekst4 Geografisk enhet nr. 12 Arealandel 7 (%) 7.1333 Sol2 Temp3 ETA3 ETA4 37.116 6.695 27.135.93635.89391.65675.24655 1.4751 Vekst4 Geografisk enhet nr. 13 Arealandel 7 (%) 4.7863 Aar Fase1 Vind3 ETA3 29.21 7.799 24.48.986.84767.52877.11964 2.985 Vekst4 Geografisk enhet nr. 14 Arealandel 7 (%) 2.6814 Aar Vind1 Temp2 Nedb-ETA3 3.673 8.29 27.752.8925.89.62281.81883 1.5743 199 1992 1994 1996 1998 2 4 6 8 Figur V-14. Vårhvete; geografisk enhet (GE) 1-14. Målte kalibreringsdata (åpne, røde sirkler) med tilhørende dekaravlinger estimert med kalibrert modell (blå linje), målte dekaravlinger i testårene (fylte, røde sirkler) og tilhørende prognoser (blå stjerner). For detaljert forklaring se tabell V-1. Audun Korsæth & Trond Rafoss. Bioforsk Rapport vol. 4 nr. 17 9 38
5 5 Vekst4 Geografisk enhet nr. 15 Arealandel 7 (%) 8.3144 Aar Sol3 ETA3 Temp4 25.988 8.894 21.195.96884.9487.76826.76226 1.5641 Vekst4 Geografisk enhet nr. 16 Arealandel 7 (%) 3.1544 5 5 Nedb1 Temp2 Sol3 Nedb-ETA3 3.724 7.518 2.411.8973.82884.71854.7483 2.691 Vekst4 Geografisk enhet nr. 17 Arealandel 7 (%) 6.7523 Sol1 Luftfukt2 Nedb-ETA2 Temp4 27.156 7.5725 2.122.91973.86621.53675.94615 1.9627 Vekst4 Geografisk enhet nr. 18 Arealandel 7 (%) 4.4174 Aar Sol1 Temp4 Sol4 3.748 9.4439 23.572.91155.85258.6333.15644 1.8674 Vekst4 Geografisk enhet nr. 19 Arealandel 7 (%) 12.887 Luftfukt1 Sol2 Luftfukt3 Temp4 2.489 5.6 13.399.9735.95583.89289.13134 1.342 199 1992 1994 1996 1998 2 4 6 8 Figur V-15. Vårhvete; geografisk enhet (GE) 15-19. Målte kalibreringsdata (åpne, røde sirkler) med tilhørende dekaravlinger estimert med kalibrert modell (blå linje), målte dekaravlinger i testårene (fylte, røde sirkler) og tilhørende prognoser (blå stjerner). For detaljert forklaring se tabell V-1.
5 5 Vekst4 Geografisk enhet nr. 2 Arealandel 7 (%) 21.338 Aar Nedb3 Fase4 Vind4 5.7 1.1381 4.243.98617.9751 NaN.7777 3.669 Vekst4 Geografisk enhet nr. 21 Arealandel 7 (%) 1.7996 Luftfukt1 ETA3 Nedb4 Vind4 27.843 7.2765 19.828.9176.86267.65146.21324 1.1361 Vekst4 Geografisk enhet nr. 23 Arealandel 7 (%) 1.429 Sol2 Vind2 ETA3 28.991 7.8181 19.982.9138.85912.78631.28175 1.7325 Vekst4 Geografisk enhet nr. 24 Arealandel 7 (%) 6.7936 Luftfukt1 Nedb2 ETA3 Temp4 32.996 9.9442 19.314.8997.83284.633.21636 1.5482 199 1992 1994 1996 1998 2 4 6 8 Figur V-16. Vårhvete; geografisk enhet (GE) 2-24. Målte kalibreringsdata (åpne, røde sirkler) med tilhørende dekaravlinger estimert med kalibrert modell (blå linje), målte dekaravlinger i testårene (fylte, røde sirkler) og tilhørende prognoser (blå stjerner). For detaljert forklaring se tabell V-1. Audun Korsæth & Trond Rafoss. Bioforsk Rapport vol. 4 nr. 17 9 4
5 Vekst5 Geografisk enhet nr. 1 Arealandel 7 (%).2149 6 5 7 6 5 5 5 Luftfukt2 Nedb-ETA3 V interindex 15.573 3.1249 12.163.9424.9727.7782.3448 1.4636 Vekst5 Geografisk enhet nr. 11 Arealandel 7 (%).6788 Fase2 Nedb2 Nedb4 18.985 3.7454 1.827.97331.95729.8946.2847 1.2891 Vekst5 Geografisk enhet nr. 12 Arealandel 7 (%).56997 Temp2 Nedb4 31.12 5.129 21.473.92784.89898.8469.18995 1.15 Vekst5 Geografisk enhet nr. 13 Arealandel 7 (%) 1.3952 Temp2 Vinterindex 1.7775.3764 2.414.99938.99877.99168.14961 1.543 Vekst5 Geografisk enhet nr. 14 Arealandel 7 (%).69678 Vinterindex 51.26 12.513 3.258.7643.7348.6858.27 199 1992 1994 1996 1998 2 4 6 8 Figur V-17. Høsthvete; geografisk enhet (GE) 1-14. Målte kalibreringsdata (åpne, røde sirkler) med tilhørende dekaravlinger estimert med kalibrert modell (blå linje), målte dekaravlinger i testårene (fylte, røde sirkler) og tilhørende prognoser (blå stjerner). For detaljert forklaring se tabell V-1.
5 7 6 5 5 6 5 7 6 5 Vekst5 Geografisk enhet nr. 15 Arealandel 7 (%) 11.47 Vind2 Vind3 Nedb-ETA3 2.187 4.7126 15.219.9768.95939.86553.16524 1.3412 Vekst5 Geografisk enhet nr. 16 Arealandel 7 (%) 2.5199 Temp3 ETA3 Nedb-ETA4 22.64 4.2359 13.637.98645.97831.96369.21311 2.2186 Vekst5 Geografisk enhet nr. 17 Arealandel 7 (%) 3.8357 Luftfukt2 Nedb-ETA4 Vinterindex 11.742 2.368 9.4315.99332.98831.96581.29698 1.949 Vekst5 Geografisk enhet nr. 18 Arealandel 7 (%) 2.153 Vind2 Nedb-ETA2 Luftfukt4 43.762 8.338 26.148.816.68169.34334.5299 1.8425 Vekst5 Geografisk enhet nr. 19 Arealandel 7 (%) 27.6727 Aar ETA4 Vinterindex 43.737 9.7244 31.238.94492.91738.84787.2142 1.8667 199 1992 1994 1996 1998 2 4 6 8 Figur V-18. Høsthvete; geografisk enhet (GE) 15-19. Målte kalibreringsdata (åpne, røde sirkler) med tilhørende dekaravlinger estimert med kalibrert modell (blå linje), målte dekaravlinger i testårene (fylte, røde sirkler) og tilhørende prognoser (blå stjerner). For detaljert forklaring se tabell V-1. Audun Korsæth & Trond Rafoss. Bioforsk Rapport vol. 4 nr. 17 9 42